90
OpenAI та Alibaba представили нові AI-моделі для розпізнавання мовлення
— Технології&Авто
OpenAI анонсувала дві нові моделі для перетворення мовлення на текст — GPT-Live-Transcribe і GPT-Transcribe. Перша призначена для роботи в режимі реального часу з мінімальною затримкою, тоді як друга оптимізована для обробки готових аудіофайлів і пакетної транскрипції. Обидві моделі отримали покращене розуміння контексту, що дозволяє точніше розпізнавати терміни, власні назви та різні мови.
Про це повідомляє neowin.net.
OpenAI оновила моделі для транскрипції
За даними OpenAI, використання контексту помітно підвищує якість транскрипції. Компанія також заявляє про нижчий рівень помилок порівняно з попередніми моделями Whisper. Незалежне тестування Artificial Analysis підтвердило високу точність GPT-Transcribe, а вартість використання моделі становить 4,5 долара за 1000 хвилин аудіо.
Alibaba представила нові голосові моделі
Водночас Alibaba представила нові моделі Qwen-Audio-3.0-Realtime Plus і Flash, які працюють у форматі «мовлення — мовлення». Вони підтримують природний діалог у реальному часі, дозволяють користувачеві перебивати штучний інтелект під час відповіді, а також підтримують виклик функцій і створення персоналізованих клонів голосу.
За рейтингом Artificial Analysis модель Qwen-Audio-3.0-Realtime Plus наразі випереджає рішення OpenAI за якістю взаємодії «мовлення — мовлення», набравши 84,1% проти 79,1% у GPT-Realtime-2.1 High. Водночас модель Alibaba поступається за швидкістю: її відповідь починається приблизно через чотири секунди, тоді як рішення OpenAI реагує трохи більше ніж за одну секунду.
Якщо Ви помітили помилку, виділіть необхідний текст і натисніть Ctrl+Enter , щоб повідомити про це.Поділитися новиною
